一種病理切片實時判讀方法、裝置及系統制造方法及圖紙

本發明專利技術涉及一種病理切片實時判讀方法，包括：S10，圖像采集裝置實時獲取顯微鏡下病理切片的病理圖像信息，并將所述病理圖像信息傳輸至處理器；S20，處理器接收來自圖像采集裝置的病理圖像信息，并對所述病理圖像信息進行輔助分析、標注后輸出經標注的病理圖像信息；S30，顯示器接收并顯示來自所述處理器的經標注的病理圖像信息；顯微鏡與顯示器同步顯示同一部位的病理圖像信息。同時本申請還公開了一種病理切片實時判讀方法和裝置。本申請將現場閱片和輔助分析相結合，醫生在閱片現場可根據需要隨時查閱實體病理切片任何位置處細胞情況，該位置處的輔助分析結果同步顯示在顯示器端。

【技術實現步驟摘要】
一種病理切片實時判讀方法、裝置及系統
本專利技術涉及病理切片診斷領域，特別是涉及一種病理切片實時判讀方法、裝置及系統。
技術介紹
“病理乃醫學之本”，病理學檢查是極其重要的診斷方法，被奉為臨床診斷的金標準。目前主要由醫生在顯微鏡下對病理切片進行人工判讀，這是一項專業性要求極高的工作，目前國內病理人才嚴重不足。隨著人工智能的發展，機器學習軟件作為病理學領域的一種新工具，因其有效率和準確性的不斷提高，越來越引起人們的重視，各種人工智能輔助病理診斷的研究也層出不窮，但是這些技術都要求將病理切片在高倍鏡下掃描成全場圖才能進行分析。病理切片數字掃描儀高昂的價格，全場圖數字化掃描額外耗費的時間，都大大降低了這項技術的臨床實用性。
技術實現思路
本專利技術的目的在于解決現有技術中需要將實體切片轉化為數字病理切片才能進行人工智能輔助診斷的技術問題，本專利技術提供了一種病理切片實時判讀方法、裝置及系統。本專利技術通過以下技術方案來實現上述目的：一種病理切片實時判讀方法，適用于病理切片實時判讀系統，所述系統包括顯微鏡、圖像采集裝置、處理器以及顯示器，所述圖像采集裝置安裝在顯微鏡目鏡上，與處理器通訊連接，處理器與顯示器連接，所述方法包括：S10，圖像采集裝置實時獲取顯微鏡下病理切片的病理圖像信息，并將所述病理圖像信息傳輸至處理器；S20，處理器接收來自圖像采集裝置的病理圖像信息，并對所述病理圖像信息進行輔助分析、標注后輸出經標注的病理圖像信息；S30，顯示器接收并顯示來自所述處理器的經標注的病理圖像信息；顯微鏡與顯示器同步顯示同一部位的病理圖像信息。進一步地，所述處理器中存儲有多個神經網絡檢測模型，步驟S20具體包括：S21，接收來自圖像采集裝置的病理圖像信息，所述病理圖像信息為視頻信息；S22，將所述視頻信息拆分為多個圖片信息；S23，將拆分后的圖片信息逐一輸入對應的神經網絡檢測模型中，并輸出檢測后的圖片信息；S24，逐一將檢測后的圖片信息合成為視頻信息后，發送至顯示器進行顯示。進一步地，所述每個神經網絡檢測模型對應不同的切片類型，步驟S23還包括：S231，根據圖片信息確定待檢測切片的類型；S232，確定與待檢測的切片類型匹配的神經網絡檢測模型。進一步地，所述每個神經網絡檢測模型包括多個具有指定分辨率的用于目標檢測的神經網絡檢測子模型，所述步驟S23對每個圖片信息的處理還包括：S233，采用分辨率檢測模型確定拆分后的當前圖片信息的分辨率；S234，根據當前圖片信息的分辨率匹配對應的神經網絡檢測子模型，將當前圖片信息輸入神經網絡檢測子模型中；S235，神經網絡檢測子模型對輸入的圖片信息進行檢測，輸出結果時在圖片信息上標注可疑區域和/或可疑指標信息。進一步地，所述步驟S233還包括：當檢測到有可疑區域時，發出語音提示信息。進一步地，所述每個神經網絡檢測模型對應指定分辨率，所述步驟S23每個圖片信息的處理還包括：S233-1，采用分辨率檢測模型確定拆分后的當前圖片信息的分辨率；S233-1，判斷當前圖片信息的分辨率與所述深度神經網絡的指定分辨率是否匹配，若是，則將當前圖片信息輸入深度神經網絡，否則，縮放當前圖片信息使得圖片的分辨率達到深度神經網絡指定分辨率，再將縮放后的圖片信息輸入深度神經網絡；S233-1，神經網絡檢測模型對輸入的圖片信息進行檢測，輸出結果時在圖片信息上標注可疑區域和/或可疑指標信息。進一步地，所述步驟S233-1還包括：當檢測到有可疑區域時，發出語音提示信息。本申請還提供了一種病理切片實時判讀裝置，所述判讀裝置應用于一種病理切片實時判讀系統，所述判讀裝置包括：顯示器和/或多個處理器，所述處理器：接收來自圖像采集裝置的病理圖像信息，所述病理圖像信息為視頻信息；將所述視頻信息拆分為多個圖片信息；將拆分后的圖片信息逐一輸入神經網絡檢測模型中，并輸出檢測后的圖片信息；逐一將檢測后的圖片信息合成為視頻信息后，發送至顯示器進行顯示。進一步地，所述處理器還：根據來自圖像采集裝置的病理圖像信息確定與待檢測切片的類型；確定與待檢測的切片類型匹配的神經網絡檢測模型。進一步地，所述處理器在將拆分后的圖片信息逐一輸入神經網絡檢測模型中，并輸出檢測后的圖片信息時：確定拆分后的當前圖片信息的分辨率；根據當前待檢測圖片的分辨率為待檢測圖片匹配對應的神經網絡檢測子模型；神經網絡檢測子模型對輸入的圖片信息進行檢測，輸出結果時在圖片信息上標注可疑區域和/或可疑指標信息；以及，當檢測到有可疑區域時，發出語音提示信息。進一步地，所述處理器在將拆分后的圖片信息逐一輸入神經網絡檢測模型中，并輸出檢測后的圖片信息時：確定拆分后的當前圖片信息的分辨率；判斷當前待檢測圖片的分辨率與神經網絡檢測模型的分辨率是否匹配，若是，則將待檢測圖片輸入神經網路檢測模型，否則，縮放待檢測圖片的分辨率至神經網絡檢測模型指定分辨率；神經網絡檢測模型對輸入的圖片信息進行檢測，輸出結果時在圖片信息上標注可疑區域和/或可疑指標信息；以及，當檢測到有可疑區域時，發出語音提示信息。本專利技術還提供了一種病理切片實時判讀系統，包括：顯微鏡，用于觀察實體切片；圖像采集裝置，安裝在所述顯微鏡目鏡上，用于實時采集顯微鏡下實體切片的病理圖像信息；處理器，與所述圖像采集裝置通訊連接，接收來自圖像采集裝置的病理圖像信息，對所述病理圖像信息進行輔助分析、標注后輸出經標注的病理圖像信息；顯示器，與所述處理器連接，用于接收并顯示來自所述處理器的經標注的病理圖像信息；所述顯示器與顯微鏡同步顯示同一部位的病理圖像信息。與現有技術相比，本專利技術的實質性效果如下：將現場閱片和輔助分析相結合，無需將實體切片轉化為數字病理切片也可進行人工智能輔助診斷，醫生在閱片現場可根據需要隨時查閱實體病理切片任何位置處細胞情況，該位置處的輔助分析結果同步顯示在顯示器端。附圖說明圖1是本專利技術病理切片實時判讀系統的結構框圖；圖2是本專利技術病理切片實時判讀方法的處理流程圖；圖3是本專利技術病理切片實時判讀方法步驟S23情況二示意圖。具體實施方式下面結合附圖對本專利技術作進一步說明：一種病理切片實時判讀系統，如圖1所示，包括：顯微鏡、圖像采集裝置、處理器以及顯示器，顯微鏡用于觀察實體切片，圖像采集裝置安裝于顯微鏡目鏡之上，用于實時采集顯微鏡下實體切片的病理圖像信息。處理器與圖像采集裝置通訊連接，接收來自圖像采集裝置的病理圖像信息，對病理圖像信息進行輔助分析、標注后輸出經標注的病理圖像信息。顯示器與處理器連接，用于接收并顯示來自處理器的經標注的病理圖像信息。顯示器與顯微鏡同步顯示同一部位的病理圖像信息。使用時，醫生在顯微鏡載玻臺放置病理切片，調節顯微鏡相機，在顯微鏡下閱片，處理器對顯微鏡下的圖像信息進行實時分析顯示在顯示器上，醫生從顯示器上即可看到同樣的病理圖像信息的分析結果，當有可疑區域出現時，以聲音提示當前視野本文檔來自技高網...

【技術保護點】
1.一種病理切片實時判讀方法，適用于病理切片實時判讀系統，所述系統包括顯微鏡、圖像采集裝置、處理器以及顯示器，所述圖像采集裝置安裝在顯微鏡目鏡上，與處理器通訊連接，處理器與顯示器連接，其特征在于，所述方法包括：/nS10，圖像采集裝置實時獲取顯微鏡下病理切片的病理圖像信息，并將所述病理圖像信息傳輸至處理器；/nS20，處理器接收來自圖像采集裝置的病理圖像信息，并對所述病理圖像信息進行輔助分析、標注后輸出經標注的病理圖像信息；/nS30，顯示器接收并顯示來自所述處理器的經標注的病理圖像信息；顯微鏡與顯示器同步顯示同一部位的病理圖像信息。/n

【技術特征摘要】
1.一種病理切片實時判讀方法，適用于病理切片實時判讀系統，所述系統包括顯微鏡、圖像采集裝置、處理器以及顯示器，所述圖像采集裝置安裝在顯微鏡目鏡上，與處理器通訊連接，處理器與顯示器連接，其特征在于，所述方法包括：
S10，圖像采集裝置實時獲取顯微鏡下病理切片的病理圖像信息，并將所述病理圖像信息傳輸至處理器；
S20，處理器接收來自圖像采集裝置的病理圖像信息，并對所述病理圖像信息進行輔助分析、標注后輸出經標注的病理圖像信息；
S30，顯示器接收并顯示來自所述處理器的經標注的病理圖像信息；顯微鏡與顯示器同步顯示同一部位的病理圖像信息。


2.根據權利要求1所述的病理切片實時判讀方法，其特征在于，所述處理器中存儲有多個神經網絡檢測模型，步驟S20具體包括：
S21，接收來自圖像采集裝置的病理圖像信息，所述病理圖像信息為視頻信息；
S22，將所述視頻信息拆分為多個圖片信息；
S23，將拆分后的圖片信息逐一輸入對應的神經網絡檢測模型中，并輸出檢測后的圖片信息；
S24，逐一將檢測后的圖片信息合成為視頻信息后，發送至顯示器進行顯示。


3.根據權利要求2所述的病理切片實時判讀方法，其特征在于，所述每個神經網絡檢測模型對應不同的切片類型，步驟S23還包括：
S231，根據圖片信息確定待檢測切片的類型；
S232，確定與待檢測的切片類型匹配的神經網絡檢測模型。


4.根據權利要求3所述的病理切片實時判讀方法，其特征在于，所述每個神經網絡檢測模型包括多個具有指定分辨率的用于目標檢測的神經網絡檢測子模型，所述步驟S23對每個圖片信息的處理還包括：
S233，采用分辨率檢測模型確定拆分后的當前圖片信息的分辨率；
S234，根據當前圖片信息的分辨率匹配對應的神經網絡檢測子模型，將當前圖片信息輸入神經網絡檢測子模型中；
S235，神經網絡檢測子模型對輸入的圖片信息進行檢測，輸出結果時在圖片信息上標注可疑區域和/或可疑指標信息。


5.根據權利要求4所述的病理切片實時判讀方法，其特征在于，所述步驟S233還包括：
當檢測到有可疑區域時，發出語音提示信息。


6.根據權利要求3所述的病理切片實時判讀方法，其特征在于，所述每個神經網絡檢測模型對應指定分辨率，所述步驟S23每個圖片信息的處理還包括：
S233-1，采用分辨率檢測模型確定拆分后的當前圖片信息的分辨率；
S233-1，判斷當前圖片信息的分辨率與所述深度神經網絡的指定分辨率是否匹配，若是，則將當前圖片信息輸入深度神經網絡，否則，縮放當前圖片信息使得圖片的分辨率達到深度神經網絡指定分辨率，再將縮放后的圖片信息...

【專利技術屬性】
技術研發人員：楊林，吳佳妮，崔磊，沈玨瑋，
申請(專利權)人：杭州迪英加科技有限公司，
類型：發明
國別省市：浙江;33